Categories
Uncategorized

Distribusi dengan penalti balking

Model penjual berita bebas distribusi dengan penalti balking dan hasil acak Sebagai masalah mendasar dalam pengendalian persediaan stokastik, masalah vendor berita telah dipelajari sejak lama dan diterapkan dalam berbagai pengaturan bisnis dengan tujuan memaksimalkan keuntungan yang diharapkan atau meminimalkan biaya yang diharapkan (Wu, Li, Wang & Cheng, 2009). Masalah penjual berita merupakan masalah inventarisasi klasik yang sangat signifikan baik dari segi pertimbangan teoritis maupun praktis. Model mengasumsikan bahwa jika ada persediaan yang tersisa pada akhir periode, diskon atau pelepasan digunakan untuk menjualnya. Jika kuantitas pesanan lebih rendah dari permintaan yang direalisasikan, penjual berita kehilangan sebagian keuntungan (Khouja, 1999). Faktanya, masalah vendor berita telah menjadi landasan bagi banyak model dalam manajemen inventaris, manajemen dan koordinasi rantai pasokan, manajemen hasil, penjadwalan, model penetapan harga opsi, dan banyak area lainnya. Lihat Qin, Wang, Vakharia, Chen dan Seref (2011) untuk survei berbagai model terkait vendor berita dan saran yang berguna untuk penelitian masa depan. Masalah vendor berita tradisional mengasumsikan bahwa permintaan mengikuti distribusi tertentu dengan parameter yang diketahui. Namun, dalam banyak situasi praktis, distribusi permintaan yang sebenarnya mungkin tidak dapat diperkirakan dengan mudah dan akurat. Dalam makalah ini, kami fokus pada situasi di mana fungsi distribusi probabilitas (pdf) F termasuk dalam kelas pdf dengan mean m dan standar deviasi yang diberikan s. Keputusan ukuran pesanan Q hanya berdasarkan informasi distribusi parsial sering disebut sebagai “keputusan bebas distribusi”. Scarf(Scarf, 1958), yang mempelopori pendekatan ini, menerapkannya untuk mengembangkan ekspresi bentuk tertutup untuk kuantitas pesanan yang memaksimalkan keuntungan yang diharapkan. Hasil Scarf dibangkitkan oleh Gallego dan Moon (1993), yang memberikan bukti sederhana dari optimalitas aturan pemesanan Scarf dan memperluas analisis untuk kasus hasil acak, biaya pemesanan tetap, dan beberapa produk terbatas, serta kasus recourse di mana ada kesempatan pemesanan kedua. Vairaktarakis (2000) mengembangkan pendekatan penyesalan minimax untuk masalah vendor berita multi-item bebas distribusi di bawah kendala anggaran dan dua jenis ketidakpastian. Sepanjang rute penelitian serupa, Moon dan Silver (2000) fokus pada skenario bebas distribusi dengan mengembangkan metode heuristik untuk masalah vendor berita multi-item berdasarkan batasan anggaran dan biaya pemesanan tetap. Alfares dan Elmorra (2005) memperluas hasil yang diperoleh Gallego dan Moon dengan memasukkan biaya penalti kekurangan. Yue, Chen dan Wang (2006) mengembangkan pekerjaan sebelumnya tentang masalah penjual berita bebas distribusi. Mereka menghitung nilai maksimum yang diharapkan dari informasi distribusi melalui semua FŦ untuk setiap kuantitas pesanan. Baru-baru ini, Lee dan Hsu (2011) mempelajari pengaruh iklan yang dieksplorasi untuk masalah vendor berita bebas distribusi. Mereka menunjukkan bahwa pengeluaran yang optimal untuk iklan, kuantitas pesanan yang optimal dan batas bawah yang optimal pada peningkatan keuntungan yang diharapkan dengan parameter efek iklan. Güler (2014) menunjukkan bahwa meskipun hasil Lee dan Hsu secara umum, itu membutuhkan asumsi tambahan. Dia memberikan kondisi perlu dan cukup berdasarkan pernyataan Lee dan Hsu (2011). Andersson, Jörnsten,Nonås, Sandal dan Ubøe (2013) fokus pada masalah pendistribusian berita yang bebas distribusi. Dengan membandingkan kinerja pendekatan entropi maksimum dengan penyesalan minimum dan aturan Scarf pada sampel besar dari distribusi permintaan yang ditarik secara acak, mereka menunjukkan bahwa kinerja rata-rata dari pendekatan entropi maksimum jauh lebih baik daripada salah satu alternatif, dan yang lebih mengejutkan, bahwa dalam banyak kasus lindung nilai yang lebih baik terhadap hasil yang buruk. Kamburowski (2014) mengungkapkan bahwa masalah distribusi-bebas penjual berita di bawah skenario permintaan kasus terburuk dan kasus terbaik sebenarnya mereduksi menjadi standar masalah penjual berita dengan distribusi permintaan yang mengikat distribusi yang diijinkan dalam arti meningkatkan pesanan cekung. informasi distribusi yang tidak lengkap dari permintaan, perilaku menolak pelanggan tidak jarang terjadi dalam situasi seperti berikut. Mengingat operasi di pengecer pakaian fashion seperti toko pakaian bekas, adalah fenomena yang realistis bahwa beberapa pakaian dengan kualitas yang sedikit berbeda dijual dengan harga yang sama. Pelanggan mengobrak-abrik tumpukan pakaian bekas untuk sesuatu yang terlihat lebih baru. Dalam hal ini, persediaan yang lebih sedikit berarti pilihan yang lebih sedikit untuk beberapa orang sehingga mereka cenderung menolak. Artinya, ketika pemilihan pakaian yang tersedia jatuh di bawah ambang batas tertentu, keinginan pelanggan akan sebuah kain dapat melewati toko sama sekali dan memilih toko dengan pilihan yang lebih banyak. dalam konteks yang sama, pameran sayuran yang cukup sangat penting untuk menarik konsumen. Karena stok di semua jenis tampilan turun di bawah tingkat tertentu, administrator percaya bahwa pelanggan cenderung menolak pembelian karena persepsi bahwa sayuran tidak lagi segar. Di bawah skenario seperti itu, kemungkinan pelanggan melakukan pembelian produk turun di bawah jika persediaan yang tersedia turun di bawah tingkat ambang batas. Penolakan pelanggan seperti itu sangat umum dalam kasus barang yang mudah rusak seperti susu, buah dan bunga dll, di mana kemungkinan pembelian menurun jika hanya ada satu atau beberapa barang (walaupun bebas dari cacat) tersedia di rak. Model dasar dengan balking pada awalnya dipelajari oleh Pasternack (1990), yang mengasumsikan bahwa distribusi permintaan telah diketahui sepenuhnya. Selanjutnya, model bebas distribusi dengan balking dipelajari oleh Moon dan Choi (1995), Liao, Banerjee dan Yan (2011) dan Pal, Sana dan Chaudhuri (2013), yang mengasumsikan bahwa hanya mean dan varians dari distribusi permintaan yang diketahui. Cheong dan Kwon (2013) mempelajari perluasan model bebas distribusi dengan menolak di bawah batasan tingkat layanan. Lee dan Jung (2014) menyelidiki ukuran kinerja model penjual berita di lingkungan penolakan pelanggan dan mendapatkan ekspresi eksplisit dari beberapa ukuran kinerja dari model penjual berita dengan penolakan pelanggan dan juga menyediakan batas atas atau bawah di bawah keadaan distribusi permintaan terburuk. Literatur yang ada menganggap biaya goodwill dari penjual berita hanya sebagai biaya kekurangan penalti. Namun, penelitian menemukan tidak hanya biaya penalti kehabisan stok untuk biaya goodwill, tetapi juga biaya penalti balking, yang bertanggung jawab atas penalti atas hilangnya penjualan pelanggan selama balking. Perbedaan krusial antara kedua penalti ini mencakup aspek-aspek berikut: pertama, penalti balking terjadi ketika persediaan yang tersedia turun di bawah level ambang (bukan nol), sedangkan penalti kehabisan stok terjadi ketika inventaris turun ke nol. Kedua, karena dampak kehabisan stok pada niat baik bisnis akan lebih buruk daripada dampak penolakan pelanggan dalam praktiknya, penalti unit stockout harus lebih besar daripada penalti balking unit. Jelas bahwa definisi balking penalty memberikan standar tradeoff lain bagi pengambil keputusan untuk membuat keputusan. Meskipun biaya penolakan umumnya tidak mudah untuk ditaksir, itu tetap merupakan biaya nyata yang tidak boleh diabaikan begitu saja. Setiap perkiraan yang masuk akal dan signifikan dari biaya ini meningkatkan akurasi dan profitabilitas model vendor berita. Tujuan dari penelitian ini adalah untuk memperluas formula kuantitas pesanan optimal yang dibuat oleh Liao et al. (2011) untuk kasus di mana hukuman balking digunakan dalam kasus produk tunggal dan kasus hasil acak. Kami juga mempelajari efek dari penalti kekurangan dan penalti balking pada kuantitas pesanan optimal dari vendor berita bebas distribusi, yang telah banyak dilewati dalam model periode tunggal bebas distribusi yang ada dengan balking. Selanjutnya, pertama-tama kami menerapkan hasil acak ke model vendor berita bebas distribusi dengan menolak

Leave a Reply

Your email address will not be published.